## 사전 실행 코드
import polars as pl
df_boxoffice = pl.read_csv("D:/book/polars/data/movie/KOBIS_기간별박스오피스.csv", skip_rows = 4, try_parse_dates=True)
boxoffice_cols = df_boxoffice.columns
boxoffice_cols[4] = '매출액점유율'
df_boxoffice.columns = [i.replace(' ', '') for i in boxoffice_cols]
df_boxoffice = df_boxoffice.with_columns(
    pl.col('매출액', '누적매출액').str.replace_all(',', '').cast(pl.Int64),
    pl.col('관객수', '누적관객수', '스크린수', '상영횟수').str.replace_all(',', '').cast(pl.Int64)    
)
df_boxoffice = df_boxoffice.with_columns(
    pl.col('장르').str.split(','), 
    pl.col('배우').str.split(','), 
)
df_boxoffice = (df_boxoffice.filter(
    pl.col('순위').is_not_null()).
                filter(~(pl.col('장르').list.contains('성인물(에로)'))).
                filter(pl.col('매출액') != 0).
                filter(~((pl.col('관객수') <= 1) & (pl.col('누적관객수') <= 1) & 
                         (pl.col('스크린수') <= 1) & (pl.col('상영횟수') <= 1)))
                )
import altair as alt
import plotly.express as px

8장 폴라스로 영화 데이터 생생하게 그리기

8.1 폴라스 시각화의 특징 알아보기

8.2 폴라스로 손쉽게 데이터 시각화하기

8.3 영화 데이터를 시각적으로 풍부하게 표현하기

8.3.5 선 그래프로 비교하는 〈파묘〉와 〈범죄도시 4〉 관객 추이

df_exhuma = (pl.read_csv("./KOBIS_일자별_통계정보_파묘.csv", skip_rows = 3, try_parse_dates = True)
	.with_columns(pl.col('스크린수', '상영횟수', '좌석수', '매출액', '관객수', '누적매출액', '누적관객수')
		.str.replace_all(',', '').cast(pl.Int64),
		pl.col('스크린점유율', '상영점유율', '좌석점유율', '좌석판매율').str.replace_all('%', '').cast(pl.Float64))
	.with_columns(pl.col('매출액').diff().alias('매출액변화'), pl.col('관객수').diff().alias('관객수변화'))
	.with_columns(pl.lit('파묘').alias('영화명')))

df_roundup = (pl.read_csv("./KOBIS_일자별_통계정보_범죄도시.csv", skip_rows = 3, try_parse_dates = True)
	.with_columns(pl.col('스크린수', '상영횟수', '좌석수', '매출액', '관객수', '누적매출액', '누적관객수')
		.str.replace_all(',', '').cast(pl.Int64),
		pl.col('스크린점유율', '상영점유율', '좌석점유율', '좌석판매율').str.replace_all('%', '').cast(pl.Float64))
	.with_columns(pl.col('매출액').diff().alias('매출액변화'), pl.col('관객수').diff().alias('관객수변화'))
	.with_columns(pl.lit('범죄도시4').alias('영화명')))

df_merge = pl.concat([df_exhuma, df_roundup], how = "vertical")
df_merge

shape: (296, 18)

날짜	스크린수	스크린점유율	상영횟수	상영점유율	좌석수	좌석점유율	좌석판매율	매출액	매출액증감(전일대비)	관객수	관객수증감(전일대비)	누적매출액	누적관객수	순위	매출액변화	관객수변화	영화명
date	i64	f64	i64	f64	i64	f64	f64	i64	str	i64	str	i64	i64	i64	i64	i64	str
2024-02-20	20	0.3	20	0.1	5173	0.2	100.0	49104000	"49104000 ( 100.0% )"	5173	"5173 ( 100.0% )"	49104000	5173	7	null	null	"파묘"
2024-02-21	5	0.1	5	0.0	838	0.0	100.0	8602000	"-40502000 ( -82.5% )"	838	"-4335 ( -83.8% )"	57706000	6011	20	-40502000	-4335	"파묘"
2024-02-22	1944	29.9	7535	46.2	1155876	51.2	28.6	3091398151	"3082796151 ( 35838.1% )"	330118	"329280 ( 39293.6% )"	3149104151	336129	1	3082796151	329280	"파묘"
2024-02-23	2086	30.4	8253	47.6	1273398	53.1	29.4	3656005238	"564607087 ( 18.3% )"	374492	"44374 ( 13.4% )"	6805109389	710621	1	564607087	44374	"파묘"
2024-02-24	2355	32.8	9473	51.8	1439628	57.2	53.6	7570365687	"3914360449 ( 107.1% )"	770974	"396482 ( 105.9% )"	14375475076	1481595	1	3914360449	396482	"파묘"
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
2024-08-17	2	0.0	2	0.0	298	0.0	0.7	11000	"-535000 ( -98.0% )"	2	"-88 ( -97.8% )"	110038399734	11501617	114	-535000	-88	"범죄도시4"
2024-08-18	2	0.0	2	0.0	413	0.0	0.5	11000	"0 ( 0.0% )"	2	"0 ( 0.0% )"	110038410734	11501619	118	0	0	"범죄도시4"
2024-08-19	1	0.0	1	0.0	35	0.0	2.9	5000	"-6000 ( -54.5% )"	1	"-1 ( -50.0% )"	110038415734	11501620	102	-6000	-1	"범죄도시4"
2024-08-20	1	0.0	1	0.0	35	0.0	2.9	5000	"0 ( 0.0% )"	1	"0 ( 0.0% )"	110038420734	11501621	109	0	0	"범죄도시4"
2024-12-07	5	0.1	5	0.0	1352	0.1	85.7	11580000	"11580000 ( 100.0% )"	1158	"1158 ( 100.0% )"	110050000734	11502779	15	11575000	1157	"범죄도시4"

df_merge.plot.line(x = '날짜', y = '관객수', color = '영화명').properties(width = 800, height = 350)

fig = px.line(df_merge, x = '날짜', y = '누적관객수', color = '영화명')
fig.show()